12月23日，中國(guó)商務(wù)廣告協(xié)會(huì)AI營(yíng)銷(xiāo)應(yīng)用工作委員會(huì)（以下簡(jiǎn)稱(chēng)AI工委會(huì)）一屆理事會(huì)第三次會(huì)議暨二屆理事會(huì)第一次會(huì)議在北京舉行，線上線下近60家成員單位代表出席并參會(huì)。

經(jīng)協(xié)會(huì)提名及現(xiàn)場(chǎng)全體成員單位投票選舉，明略科技憑借在AI營(yíng)銷(xiāo)領(lǐng)域的深厚積累與突出貢獻(xiàn)，當(dāng)選AI工委會(huì)二屆理事會(huì)理事長(zhǎng)兼秘書(shū)長(zhǎng)單位，明略科技創(chuàng)始人、CEO兼CTO吳明輝受聘擔(dān)任二屆理事會(huì)理事長(zhǎng)職務(wù)。

會(huì)議現(xiàn)場(chǎng)，吳明輝代表明略科技受牌，并從AI變革下中國(guó)營(yíng)銷(xiāo)行業(yè)如何發(fā)展的全局視角，分享了Agentic AI（代理式AI）及其在營(yíng)銷(xiāo)行業(yè)的未來(lái)發(fā)展趨勢(shì)。

以下為現(xiàn)場(chǎng)分享實(shí)錄。

大家好，今天我想跟大家匯報(bào)和分享一下現(xiàn)在AI的一些新進(jìn)展，以及我們感受到的AI對(duì)各行各業(yè)，尤其是對(duì)廣告、營(yíng)銷(xiāo)行業(yè)變革的一些思考。

一、AI的能力仍在躍遷式突破

大語(yǔ)言模型：從奧數(shù)銀牌到金牌

人工智能最新的能力，大家應(yīng)該都有切身的體感。

我原來(lái)是奧數(shù)銀牌獲得者，今年年初DeepSeek剛出來(lái)的時(shí)候，它的奧數(shù)也是銀牌水平，當(dāng)時(shí)我跟很多朋友說(shuō)，半年后它就比我厲害了。

果然，最近大家已經(jīng)看到了它最新的能力——國(guó)際奧數(shù)金牌。這意味著，人工智能在數(shù)學(xué)、邏輯、量化推理等方面，已經(jīng)超過(guò)了人類(lèi)99.9%的水平，因?yàn)槿澜缑磕曛挥袔资畟€(gè)金牌。

所以從這個(gè)角度來(lái)講，它的智商已經(jīng)非常高了，而且進(jìn)步還非常快，目前很多行業(yè)已經(jīng)卷不動(dòng)了，但AI行業(yè)還在996，我自己帶的小團(tuán)隊(duì)目前也還在996。

AIGC：從有問(wèn)題到近乎完美

大家再看跟營(yíng)銷(xiāo)行業(yè)密切相關(guān)的AIGC文生圖和文生視頻。2023年文生圖還存在大量問(wèn)題，比如大家詬病的手部問(wèn)題等等。

我記得AIGC剛出來(lái)的時(shí)候，我的很多客戶(hù)，尤其是大型客戶(hù)都不敢用，因?yàn)楹芏郃IGC生圖有明顯的問(wèn)題。

但現(xiàn)在它的進(jìn)步非常夸張，我給大家看一個(gè)能反映文生圖能力的小案例，Prompt叫”鳥(niǎo)巢演唱會(huì)手持拍攝”。左邊是示例原圖——漂流手持拍攝，任務(wù)是讓它生成鳥(niǎo)巢手持拍攝。

這組圖有兩個(gè)細(xì)節(jié)能證明AIGC的突破性。一是光影，后兩張圖的手部特寫(xiě)，局部光線已經(jīng)可以根據(jù)環(huán)境光線調(diào)整變換。

更可怕的，是攝像頭里的小屏幕真的就是外面大屏幕的縮略圖，這說(shuō)明AI今天已經(jīng)對(duì)很多世界模型有了極其深刻的理解。

從這個(gè)角度看，我相信AI給營(yíng)銷(xiāo)行業(yè)一定會(huì)帶來(lái)革命性的變化。今天文生視頻還有一點(diǎn)問(wèn)題，但再過(guò)一兩年，也會(huì)成為AI的基礎(chǔ)能力。

二、2025年?duì)I銷(xiāo)行業(yè)最大的變革：Agentic AI

不過(guò)，回過(guò)頭看2025年，對(duì)營(yíng)銷(xiāo)行業(yè)而言，最大的變革并非源于AI能力的躍遷，而是一個(gè)新概念——Agentic AI。

明略上市，資本市場(chǎng)對(duì)我們的定位，是“全球Agentic AI第一股”。什么是Agentic AI？我稍微一下。

英偉達(dá)創(chuàng)始人黃仁勛在2025年1月的CES大會(huì)上，將AI的發(fā)展歷程總結(jié)為4個(gè)階段：

第一階段是Perception AI（感知智能），指AI能理解圖像、文字和聲音，場(chǎng)景包括語(yǔ)音識(shí)別、推薦系統(tǒng)、醫(yī)學(xué)成像等，大家熟悉的商湯科技，是中國(guó)在人臉識(shí)別、機(jī)器視覺(jué)領(lǐng)域頭部的AI公司，也是港股上市公司。它做的工作就是我碩士研究生研究的工作，叫CV（Computer Vision），就是用AI來(lái)模擬人的眼睛。我們AI工委會(huì)理事會(huì)成員單位科大訊飛，最開(kāi)始做的ASR自動(dòng)語(yǔ)音識(shí)別，是用AI模擬人的耳朵。

第二個(gè)階段叫Generative AI（生成智能），指AI能生成圖像、文本和聲音，Generative AI真正開(kāi)始火是從2023年OpenAI的GPT-3.0、3.5、4.0依次發(fā)布之后，被大家廣泛認(rèn)知。

我碩士一、二年級(jí)研究的是CV圖像識(shí)別，三年級(jí)做的是跟NLP相關(guān)的研究，碩士論文的研究方向，是基于語(yǔ)言模型的推薦系統(tǒng)。但2012年，圖像識(shí)別已經(jīng)被深度學(xué)習(xí)徹底顛覆，所以2019年我回北大讀博時(shí)就有預(yù)期——自然語(yǔ)言處理技術(shù)大概率也會(huì)被深度學(xué)習(xí)攻克，遠(yuǎn)超人類(lèi)水平。果不其然，2022年變革就來(lái)了。

為什么自然語(yǔ)言處理技術(shù)重要呢？我們學(xué)人工智能的都知道，自然語(yǔ)言處理是人工智能皇冠上的明珠，它的重要性相當(dāng)于數(shù)學(xué)里的數(shù)論。

它之所以重要是因?yàn)槿舜竽X的思考、推理和邏輯演繹，以及對(duì)整個(gè)世界的理解，也就是人類(lèi)智慧的底層，其實(shí)都是基于語(yǔ)言和符號(hào)進(jìn)行的。NLP自然語(yǔ)言處理被攻克，意味著人類(lèi)智能、智慧的底層被AI徹底理解了。

感知智能和生成智能讓AI有了眼睛、耳朵和大腦，只差手和腳了。

第三個(gè)階段和第四個(gè)階段，一個(gè)叫Agentic AI（代理式AI），一個(gè)叫Physical AI（物理AI），它們解決的就是手和腳的問(wèn)題。

AI的手和腳，我們可以稱(chēng)之為行動(dòng)系統(tǒng)，如果一個(gè)智能體既有手腳，也有大腦、眼睛和耳朵，它就是一個(gè)完整的、能干很多工作的智能體。

所以不管是Agentic AI還是Physical AI，實(shí)際上都是擁有了手和腳的人工智能，它是能真正通過(guò)勞動(dòng)創(chuàng)造價(jià)值的智能系統(tǒng)，兩者的區(qū)別在于，Agentic AI是在電腦上干活，而Physical AI是在物理世界干活。

明略科技今天在開(kāi)發(fā)的產(chǎn)品DeepMiner，就是讓AI自動(dòng)在電腦上干活。

從Agent到Agentic AI的進(jìn)化

當(dāng)然，早在2023年，Agent就出現(xiàn)了，它也是Agentic AI的一部分，只不過(guò)今天因?yàn)槎嗄B(tài)大模型能力的大幅增強(qiáng)，這一賽道又迎來(lái)了新的變革。

Agent的概念，其實(shí)在人工智能概念出現(xiàn)的同期就被提出了，它指的是讓機(jī)器代替人干活。原理類(lèi)似于廣告行業(yè)的Agency，只不過(guò)前者是讓機(jī)器工作，后者是由人組成的團(tuán)隊(duì)工作。

以前，Agent的工作模式是人機(jī)協(xié)同，人在其中承擔(dān)規(guī)劃的角色。比如公司CTO接到客戶(hù)的需求后，需要對(duì)任務(wù)做拆解并規(guī)劃，之后通過(guò)代碼，將解決方案轉(zhuǎn)化為可自動(dòng)執(zhí)行的程序，解決客戶(hù)的問(wèn)題。

下圖出自我北大師妹翁荔（Lilian）2023年在自己博客上發(fā)布的論文《基于大模型構(gòu)建的無(wú)人智能體（LLM Powered Autonomous Agents）》，這篇文章可以被稱(chēng)為現(xiàn)代Agent的奠基論文。

Autonomous Agents，即無(wú)人智能體，它的偉大之處，在于讓AI而非人來(lái)做規(guī)劃。

AI做規(guī)劃大家一定體驗(yàn)過(guò)，比如出去玩做旅游規(guī)劃，在廣告營(yíng)銷(xiāo)行業(yè)或各種各樣的辦公場(chǎng)景，AI也可以幫我們把一個(gè)個(gè)復(fù)雜問(wèn)題分解為簡(jiǎn)單問(wèn)題以及更簡(jiǎn)單的問(wèn)題。所以規(guī)劃里最重要的工作叫”Subgoal Decomposition”，即子任務(wù)分解或子目標(biāo)分解。小到個(gè)人，大到一個(gè)組織，任何任務(wù)都可以被一層層分解。

當(dāng)然還有其他工作，比如Reflection反思，計(jì)劃做完需要回看工作執(zhí)行得效果，這也是Planning的一部分。

規(guī)劃完成后，智能體就可以通過(guò)”手和腳”操控軟件在電腦上工作。2023年這篇論文發(fā)布時(shí)，可使用的軟件只有計(jì)算器、日歷、代碼執(zhí)行器、搜索引擎等，當(dāng)時(shí)也出現(xiàn)了像Perplexity這樣的好用的Agent。2024年又出現(xiàn)了Deep Research工具，可以執(zhí)行簡(jiǎn)單的數(shù)據(jù)分析任務(wù)，完成某個(gè)場(chǎng)景的輕量級(jí)任務(wù)。

真正的突破來(lái)自Manus，它的創(chuàng)始團(tuán)隊(duì)之前曾研發(fā)壹伴和微伴助手，后被明略收購(gòu)，之后團(tuán)隊(duì)又創(chuàng)業(yè)做了Manus，非常成功，產(chǎn)品發(fā)布不到1年全球ARR已經(jīng)有一億美元，非常非常厲害。

Manus的成功得益于大語(yǔ)言模型的成熟，它底層使用的，是最新的Claude模型，更重要的一點(diǎn)，是它接入了電腦，接入了瀏覽器，接入了更多的Tools，使得Agent可以幫用戶(hù)干更多高級(jí)的、復(fù)雜的任務(wù)。

這個(gè)領(lǐng)域當(dāng)前也是AI最火熱的領(lǐng)域。當(dāng)然，其中也有很多難點(diǎn)，包括怎么做Planning模型、做Tool Use模型。

三、從”留椅子給客戶(hù)”到”留椅子給AI”

前段時(shí)間，我在一個(gè)商學(xué)院做分享時(shí)提到，亞馬遜創(chuàng)始人貝索斯在公司內(nèi)部開(kāi)會(huì)有一個(gè)基本要求——留一把空椅子給客戶(hù)。這代表著以客戶(hù)為中心的思維方式。

今天，貝索斯的話依然正確，但我們還要再加把椅子，給AI。

為什么？因?yàn)锳I可以扮演很多角色，制定戰(zhàn)略、設(shè)計(jì)產(chǎn)品、規(guī)劃營(yíng)銷(xiāo)方案時(shí)，我們都應(yīng)該思考：如果AI也在其中扮演角色，它該扮演誰(shuí)？我們?cè)撊绾闻c它合作？

這也是當(dāng)前營(yíng)銷(xiāo)行業(yè)必須思考的重要問(wèn)題。

舉個(gè)例子，當(dāng)下的一個(gè)現(xiàn)實(shí)挑戰(zhàn)，是很多廣告公司都會(huì)用AI來(lái)提效，客戶(hù)就會(huì)質(zhì)疑：”你們的交付很多都是AI干的，能不能降價(jià)？”

作為行業(yè)協(xié)會(huì)，我們應(yīng)該思考如何制定相應(yīng)的行業(yè)規(guī)范來(lái)反內(nèi)卷？如何讓AI賦能的行業(yè)更繁榮？如何將資源投入到人才發(fā)展上以更好地滿(mǎn)足客戶(hù)需求？這都是擺在我們面前的重大課題。

討論AI對(duì)營(yíng)銷(xiāo)行業(yè)的影響，還必須認(rèn)清一個(gè)現(xiàn)實(shí)：我們的客戶(hù)在用AI，我們自己在用AI，我們的上下游也在用AI，整個(gè)營(yíng)銷(xiāo)生態(tài)都在AI化。

這是生態(tài)系統(tǒng)的重構(gòu)，只有從這一全局視角出發(fā)，我們才能真正理解AI帶來(lái)的變革，并找到應(yīng)對(duì)之道。

四、營(yíng)銷(xiāo)行業(yè)正邁入Agentic Marketing時(shí)代

基于對(duì)AI發(fā)展趨勢(shì)的觀察，我最近提出了一個(gè)新概念——Agentic Marketing（智能體營(yíng)銷(xiāo)）。

廣告營(yíng)銷(xiāo)行業(yè)有很多利益相關(guān)方，包括品牌、廣告營(yíng)銷(xiāo)代理、媒體和消費(fèi)者，不同角色相互鏈接，構(gòu)成了一個(gè)完整的閉環(huán)，其中既有上下游間的合作，也有同行間的競(jìng)爭(zhēng)。但未來(lái)這種模式可能被Agentic Marketing改變。

Agentic Marketing的邏輯，是未來(lái)每個(gè)角色都會(huì)訓(xùn)練自己的Agent，大家的工作不再是親自執(zhí)行某項(xiàng)具體任務(wù)，而是編寫(xiě)、調(diào)優(yōu)Agent，給它準(zhǔn)備訓(xùn)練數(shù)據(jù)，將自己的專(zhuān)業(yè)知識(shí)傳授給它。

最終代替不同角色協(xié)作的，是Agent。Agent之間，將形成多智能體協(xié)作的結(jié)構(gòu)，多智能體也會(huì)有多種編排模式，包括了競(jìng)爭(zhēng)、協(xié)作、分工等等。

這個(gè)趨勢(shì)今天其實(shí)已經(jīng)發(fā)生了。

消費(fèi)者端，他們已經(jīng)不需要親自購(gòu)物，而是通過(guò)采購(gòu)代理瀏覽商品、做出決策。這也是為什么生成式引擎優(yōu)化（GEO，Generative Engine Optimization）重要的原因。

媒體端，同樣的變化也在發(fā)生。今天媒體的銷(xiāo)售人員已經(jīng)不需要推銷(xiāo)流量，程序化廣告交易平臺(tái)自動(dòng)就能完成交易。

所以，營(yíng)銷(xiāo)行業(yè)接下來(lái)不僅要制定內(nèi)容生成標(biāo)準(zhǔn)、GEO標(biāo)準(zhǔn)，還要制定多智能體協(xié)作標(biāo)準(zhǔn)。

最后，我給大家展示一個(gè)明略自研的可信智能體產(chǎn)品DeepMiner的實(shí)際應(yīng)用案例。

大家看到的這頁(yè)P(yáng)PT，實(shí)際是我用DeepMiner自動(dòng)生成的。

我只是告訴它：”我在營(yíng)銷(xiāo)科學(xué)大會(huì)上有個(gè)演講，其中需要談對(duì)Agentic AI的理解。你基于下方文字稿，幫我寫(xiě)一頁(yè)P(yáng)PT，要配圖。”

它產(chǎn)出的結(jié)果非常讓人震撼，其中最讓我驚訝的，是左上角這張圖。大家看到，它為”品牌方”配了一組知名品牌的LOGO，這說(shuō)明AI已經(jīng)有了很強(qiáng)的深度理解能力——它把我給的簡(jiǎn)單的宏觀任務(wù)，自動(dòng)分解成了很多微觀任務(wù)：理解內(nèi)容、提取要點(diǎn)、設(shè)計(jì)版式、搜索配圖、排版布局，而且整個(gè)流程都自動(dòng)完成。

這也讓我更加相信，營(yíng)銷(xiāo)行業(yè)會(huì)迎來(lái)重大變革。

以上就是我今天的分享，特別期待與大家攜手合作，共同打造一個(gè)對(duì)人類(lèi)更友好的AI生態(tài)。

謝謝大家!